[發明專利]一種數據中心節能方法和裝置

在審

• 申請號: 201510033308.0
• 申請日: 2015-01-22
• 公開（公告）號: CN104503847A
• 公開（公告）日: 2015-04-08
• 發明（設計）人: 于輝;李新虎;郭鋒;胡玉鵬
• 申請（專利權）人: 浪潮（北京）電子信息產業有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F1/32
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 王康;李丹

技術領域

本發明涉及云節能技術領域，尤指一種基于云計算操作系統的數據中心節能方法和裝置。

背景技術

云計算逐漸被行業認可，云數據中心操作系統逐漸實現并付諸于實踐，在社會生產和生活領域中起到越來越重要的作用。基于云計算操作系統構建的大規模數據中心中設備數量龐大，監控管理過程復雜，如何有效的實現云數據中心的高效節能是一個值得研究的問題。

目前，大多數數據中心節能策略基于溫度觸發或是功率觸發進行設置，例如，節能策略設置當CPU溫度達到50度時，通過智能平臺管理接口(IPMI，Intelligent?Platform?Management?Interface)控制觸發服務器進行降頻或關機操作，主機功率設置也是類似。

但是，僅僅考慮溫度觸發或是功率觸發的節能策略并不能反映數據中心的實時負載信息，比如CPU、內存、網絡帶寬、磁盤IO等都沒有進行綜合分析與考慮，從而導致數據中心節能效果不理想，云計算操作系統整體功耗偏高等問題。

發明內容

為了解決上述技術問題，本發明提供了一種數據中心節能方法和裝置，能夠改善數據中心的節能效果，從而降低云計算操作系統整體的功耗。

為了達到本發明目的，本發明提供了一種數據中心節能方法，包括：預先采用反向傳播BP神經網絡設置數據中心，并對BP神經網絡進行訓練；設置負載閾值，并根據負載閾值設置節能策略；獲取數據中心的負載數據，利用經過訓練的BP神經網絡得到負載數據的近似最優解，根據所述近似最優解和預先設置的負載閾值，確定節能策略，并根據確定的節能策略進行降負載操作。

所述對BP神經網絡進行訓練包括：采用模擬退火SA算法對BP神經網絡進行訓練。

所述設置負載閾值，并根據負載閾值設置節能策略包括：設置第一負載閾值、第二負載閾值和第三負載閾值，并相應的設置高負載節能策略、中負載節能策略和低負載節能策略；其中，高負載節能策略為負載超過第一負載閾值時，觸發進行降負載操作；中負載節能策略為負載在第一負載閾值和第二負載閾值之間時，觸發進行降負載操作；低負載節能策略為負載第二負載閾值和第三負載閾值之間時，觸發進行降負載操作；其中，降負載操作包括業務遷移、和/或服務器降頻，和/或開關機。

所述獲取數據中心的負載數據，利用經過訓練的BP神經網絡得到負載數據的近似最優解包括：獲取數據中心的負載數據，利用經過訓練的BP神經網絡，將獲取的負載數據作為SA算法的輸入，得到負載數據的近似最優解。

所述負載數據為四維輸入向量P：P＝{c，m，s，n}，其中，c表示CPU負載比例，m表示內存負載比例，s表示磁盤IO負載比例，n表示網絡帶寬負載比例。

本發明還提供了一種數據中心節能裝置，包括：BP神經網絡設置模塊，用于采用反向傳播BP神經網絡設置數據中心；BP神經網絡訓練模塊，用于對BP神經網絡進行訓練；節能策略設置模塊，用于設置負載閾值，并根據負載閾值設置節能策略；節能策略實施模塊，用于獲取數據中心的負載數據，利用經過訓練的BP神經網絡得到負載數據的近似最優解，根據所述近似最優解和預先設置的負載閾值，確定節能策略，并根據確定的節能策略進行降負載操作。

所述BP神經網絡訓練模塊，具體用于采用模擬退火SA算法對BP神經網絡進行訓練。

所述節能策略設置模塊，具體用于設置第一負載閾值、第二負載閾值和第三負載閾值，并相應的設置高負載節能策略、中負載節能策略和低負載節能策略；其中，高負載節能策略為負載超過第一負載閾值時，觸發進行降負載操作；中負載節能策略為負載在第一負載閾值和第二負載閾值之間時，觸發進行降負載操作；低負載節能策略為負載第二負載閾值和第三負載閾值之間時，觸發進行降負載操作；其中，降負載操作包括業務遷移、和/或服務器降頻，和/或開關機。

所述節能策略實施模塊，具體用于獲取數據中心的負載數據，利用經過訓練的BP神經網絡，將獲取的負載數據作為SA算法的輸入，得到負載數據的近似最優解，根據所述近似最優解和預先設置的負載閾值，確定節能策略，并根據確定的節能策略進行降負載操作。

所述負載數據為四維輸入向量P：P＝{c，m，s，n}，其中，c表示CPU負載比例，m表示內存負載比例，s表示磁盤IO負載比例，n表示網絡帶寬負載比例。